论文部分内容阅读
由于测量手段的限制,对于发酵过程中的菌体浓度与产物浓度等变量很难实现在线测量,导致了发酵过程的优化控制很难实现。通过建立回归预测模型利用输入条件及其他易测变量进行菌体浓度与产物浓度实时预测是解决这一问题的有效手段。微生物发酵具有高度非线性与复杂性,由于发酵机理复杂很难利用动力学原理建立发酵机理模型,而利用样本数据建立黑箱经验模型是现在主流的发酵过程建模方式。高斯过程(Gauss Process, GP)模型是近几年兴起的一种非参数概率模型,将其用于小样本回归预测中具有参数少,预测精度高的优点